最近几个月，AI 编码工具已经成了日常开发的一部分。Claude Code、Cursor、Copilot——它们在代码生成和重构上的表现越来越好。

但用得越久，越觉得有一个断层：AI 在终端里帮我写代码。但我自己却要频繁切出终端去做别的事。查数据库切到 DataGrip。看日志 SSH 上服务器，构造测试数据打开另一个脚本。AI 离我的实际工作环境，其实还很远。

这个问题让我开始想一件事：能不能让 AI 编码工具直接触达数据库、服务器、日志——把它从一个「代码助手」变成一个真正的「研发工作台」？

一、一个典型的排查场景

假设 QA 提了一个 bug：订单状态在某些情况下没有正确更新。

这时候需要放下手上的代码，开始排查：

# 切到 DataGrip → SELECT * FROM orders WHERE id =?，# 看到 user_id =?→ SELECT * FROM users WHERE id =?，# 想查这个使用者相关的操作记录 → SSH 上服务器 → tail -n 100 /opt/logs/app.log | grep?# 日志里有一条可疑的 MQ 消息 → 切回代码。定位到使用者逻辑

整个过程，我切换了 **4 次工具**。每次切换都是一次心流中断。

AI 编码工具能帮我写代码、重构代码，但它碰不到第 2、3 步——它不知道数据库里有什么不知道日志里写了什么。它只能基于我告诉它的信息来推理。而「告诉它」这个动作本身，又回到了手动查数据的老路。

主要问题不是 AI 不够聪明，而是 AI 的工具集太窄。它只有读文件、写文件、执行 bash。不过，它需要一套能连接到实际开发环境的工具箱。

二、我想要的研发工作台长什么样

在动手之前，我先想了一下理想状态。不是一个「更强的 AI」，而是一个 AI 能触达所有日常工具的环境。

• 数据库查询就在终端里写 SQL → 出结果，不用切 DataGrip；
• 日志搜索直接 tail 远程日志文件，不用手动 SSH；
• 跳板机自动穿透，AI 的 bash 能落到目标机器上；
• 测试数据读表结构自动生成，不用手写 INSERT；
• 接口 Mock 本地起一个 mock server，描述接口即用。

新奇工具——DataGrip、Kibana、Postman、Mockoon 都能做。

问题在于它们都在不同的窗口里。

我想要的不是一个更好的数据库客户端或更好的日志工具，而是把它们都装进同一个终端——那个 AI 已经在帮我写代码的终端。

当这些能力汇聚到同一个终端后AI 编码 agent 手里就有了研发流程需要的全部工具箱。排查问题时查数据库定位数据、查日志追踪链路、改代码修 bug，整个过程在同一次对话中完成。话说回来，不是「AI 帮我写代码，我出去查数据」。而是「AI 和我一起，在完整的工具环境里工作」。

我需要的不是一个「功能更多的 AI」，而是一个能让我自己给它装工具的 AI 编码助手。这导向了技术选型：用 **Pi**。

This article will先讲数据库查询——它是研发工作台的主要能力，也是最能验证这套思路是否可行的试金石。日志、SSH、Mock 等能力后续再展开。

三、为什么是 Pi

P​i 是一个极简的 AI 编码 harness，MIT 开源。如果你用过 Claude Code，你可能对这些东西有印象——子代理自动拆分任务、计划模式先规划再执行、权限弹窗每次确认。怎么说呢，Pi 把这些都去掉了。这些功能在通用编码场景下很有用，但对于一个「我只想快速查数据、看日志」的工作台它们反而增加了摩擦。

P​i 的主要只提供 read,write。Edit,b ash ` 四个原始能力，其他一切通过 extension 自己造。按理说，

export default function {
pi.registerTool;// 注册 AI 可调用的工具
pi.registerCommand;// 注册 / 命令
pi.on;// 拦截工具调用
}

I need a clean canvas,not a spaceship already loaded with % 我用不上的功能. Pi 正好是前者。

This time I choose to先实现数据库查询。它是研发工作台的主要能力，也是最能验证 Pi extension 机制是否足够灵活的试金石。

四、数据库工作区：一个 /db 命令就够了

The implemented extension is called devops-tools。入口是一个 /db 命令：

/db 显示工作区面板
/db switch 选择环境 → 连接 → 数据库
/db tables 列出所有表
/db schema <表名> 查看表结构
/db query 执行查询
/db history 搜索查询历史
/db favorite 管理收藏的 SQL 模板
/db relations 管理表关联关系
/db refresh-schema 刷新表结构缓存

The state is persisted across sessions—switching databases once keeps choice for next Pi launch. Query history。favorites and registered relations are stored in a local SQLite file.

五、命令，而不是 Tool —— 为什么不让 AI 生成 SQL

P​i’s extension can register two kinds of entry points:

• registerTool: let AI invoke it autonomously;
• registerCommand: let user type a “/” command.

I only registered a **command** for database queries。not a tool.

原因这方面，

• S Q L 的表达效率远高于自然语言。
• A natural‑language description always needs an extra translation step that may lose precision .
• An experienced engineer can type S E L E C T …LIMIT ， faster than describing intent to an LLM.

维度	自然语言	SQL
表达精度	模糊	明确
往返成本	描述→AI生成→校正→再生成	一次编写 + 一次执行
Token 消耗	多轮对话	单条指令

The guiding principle becomes:

• S Q L 查询 & 日志搜索 —— 人比 AI 更清楚要找什么自然语言只会引入错误；
• S 测试数据构造 & 接口 Mock —— 人不必精确描述每列值，这类任务交给 AI 更高效。

The command still feeds results back to conversation:

六、安全策略：强制执行。而不是依赖 AI 自觉

1. S Q L 白名单： 仅允许匹配 /^\b/i<\/code>  的语句，其余直接拒绝。检查放在执行引擎唯一入口处，而非命令层，以防“忘记检查”。
2. LIMIT 自动注入： 没有 LIMIT 的 SELECT 会被强制追加 LIMIT 1000<\/code>。最终 SQL 会完整展示给使用者，透明化处理。
3. Password Protection： 数据库凭证使用 ${ENV_VAR} 占位符。在启动时从环境变量注入，避免明文落盘。其实，
\end{ol}

七、自动关联查询：让表关系在查询时生效

The sub‑command /db relations lets you register such relationships once:

/db relations add
→ source table: orders,source column: userid
→ target table: users。target column: id
→ type: MANYTO_ONE


After registration,you can ask for “query with related tables”,and Pi will auto‑generate a series of sequential queries and display m side‑by‑side:

SELECT * FROM orders LIMIT 10;--- related table ---
SELECT * FROM users WHERE id IN;

• manual registration;
• synchronization from MySQL information_schema;
• A I‑driven inference from ER diagrams or column naming conventions .

八、几个让体验更顺滑的细节

• Schema 缓存 ：<> Remote schema discovery may take seconds. A local JSON cache makes switching databases instantaneous. Cache is refreshed only on explicit /db refresh-schema.

收藏和历史 ：<> Frequently used SQL statements can be bookmarked,searched by keyword and re‑executed instantly. This eliminates “那条 SQL 写得啥来的” 的回忆成本。

---

九 、 当前状态和后续

工具	状态	模式	说明
数据库查询	✅ 已实现	/command	人手敲 SQL。结果喂给 Ai
日志查询	计划中	/command	人指定过滤条件，Ai 执行 tail/grep
SSH/tail	计划中	/command	/ssh ,Ai 自动走 ProxyJump
测试数据构造	计划中	/tool	•;Ai 阅读表结构 → 自动生成 INSERT 脚本
接口 Mock	&nb sp;计划中	/tool	&nb sp;其实，Ai 根据 OpenAPI 描述启动本地 mock server

---